Cr元素掺杂对Fe-C-Mn-Al系轻质钢的影响研究进展

Fe-C-Mn-Al系轻质钢具有良好的耐腐蚀性、低密度和优异的综合力学性能,在钢中添加合金元素会显著影响相变热力学与动力学,进一步影响并决定组织形貌的演化过程.添加Cr元素会对Fe-C-Mn-Al系轻质钢微观组织产生显著作用,重点对添加不同含量的Cr元素后,对κ-碳化物、β-Mn和DO_(3)等相生长、晶粒尺寸变化及晶界角度的改变,促进Al_(2)O_(3)及含Cr氧化物的生成,以及提高Fe-C-Mn-Al系轻质钢抗拉强度、耐腐蚀性和抗氧化性等性能的情况进行分析.并归纳总结了Cr元素的加入及不同含量的Cr元素给Fe-C-Mn-Al系轻质钢带来的优势,同时对当前的发展趋势进行展望.

机器学习辅助金属材料力学性能预测

如今金属材料的发展进入了瓶颈期,急需一个新的发展方式来突破当前的瓶颈。上世纪50年代,人工智能逐渐兴起,经过60多年的发展,人工智能技术趋于成熟,大幅度的应用在各种领域中,材料领域也有所涉及。数据与人工智能结合的数据驱动方式成为改变金属材料发展瓶颈的新方式,有望大幅度提升金属材料的研发速度。介绍了金属材料领域的合金设计现状,在传统的“试错法”已经不能满足现有金属材料研发的基础上,综述了机器学习在金属材料力学性能预测等方面的一些应用。总结了机器学习存在的不足和需要优化的地方,展望了机器学习在金属材料领域中的发展方向。

益气凉血法治疗原发免疫性血小板减少症的研究进展

根据临床经验总结,现代医家多认为原发免疫性血小板减少症(ITP)的关键病机为气虚血热。近年来相关研究发现,益气凉血法及其药物治疗ITP,在提高临床疗效、减少不良反应、增加血小板数量、减轻出血症状、改善生存质量、降低复发率方面发挥着重要的作用,其作用机制可能与减少血小板破坏、调节免疫功能、抑制自身抗体、促进巨核细胞成熟分化、恢复免疫耐受、调节血管活性因子密切相关。

机器学习辅助高熵合金相结构预测

高熵合金由于其形成独特显微组织的固溶体、金属间化合物和非晶相而具有更好的物理化学性能.因此,高熵合金中的相预测是合金设计的第一步.采用机器学习算法中的支持向量机、随机森林和决策树3种模型对高熵合金的相位分类进行预测,通过网格搜索方法优化模型,并对模型进行交叉验证和性能评估.结果表明:随机森林的预测能力最佳,达到0.93的预测精度,且该模型对高熵合金固溶体相的分类效果最好,最后采用随机森林模型预测Ti Zr Nb Mo系难熔高熵合金的生成相,其预测生成相与实验结果一致.由此可见,机器学习技术对未来高熵合金的设计有很大的帮助.

健脾滋肾泻火方对原发免疫性血小板减少症患者巨噬细胞极化的影响

目的:探讨健脾滋肾泻火方治疗原发免疫性血小板减少症(ITP)的可能作用机制。方法:收集脾肾亏虚、火伤血络证ITP患者及正常者外周血单个核细胞(PBMC),将细胞分为正常组、模型组、强的松组、健脾滋肾泻火方组。给予相应的药物干预48 h后,采用流式细胞术检测M1、M2巨噬细胞的表达,RT-PCR检测NF-κB p65、IL-6、IL-10、TNF-α、TGF-β mRNA的表达,Western Blot检测NF-κB p65、p-NF-κB p65、iNOS、Arg-1蛋白的表达。结果:与正常组比较,模型组PBMC中CD86表达、iNOS蛋白表达增加(P<0.01),CD206表达、Arg-1蛋白表达降低(P<0.01);IL-6、TNF-α mRNA表达增加(P<0.01),IL-10、TGF-β mRNA表达降低(P<0.01);NF-κB p65 mRNA及NF-κB p65、p-NF-κB p65蛋白表达均增加(P<0.05,P<0.01)。与模型组比较,强的松组、健脾滋肾泻火方组CD86表达、iNOS蛋白表达降低(P<0.01,P<0.05),CD206表达、Arg-1蛋白表达增加(P<0.01,P<0.05),IL-6mRNA表达降低(P<0.01),IL-10mRNA表达增加(P<0.05),并且健脾滋肾泻火方组中TNF-α mRNA表达降低(P<0.05);NF-κB p65 mRNA及NF-κB p65、p-NF-κB p65蛋白表达均显著降低(P<0.05,P<0.01)。结论:健脾滋肾泻火方可能通过抑制ITP患者PBMC中NF-κB信号通路,降低M1巨噬细胞极化,提高M2巨噬细胞极化,发挥抗炎与免疫抑制作用,从而治疗ITP。

数据挖掘在中医名家辨治血液病中的研究应用

血液病因其高危险性和低治愈率严重地威胁着患者的身心健康。中医治疗血液病有着明显的优势,名中医在辨治血液病方面具有丰富的经验,且临床疗效显著。但是由于中医的辨证依据大多是个人主观思考,无法广泛地指导临床,所以通过数据挖掘技术全面客观地总结临床医家的经验、辨证、方药,将更有利于挖掘出规范化的理法方药及应用规律,以科学、高效的方法实现中医药的继承和创新。

机器学习用于力学性能的研究进展

机器学习现在几乎被应用到生活的每一个领域,用于数据分析和解释。该方法的主要优势在于其结构的构建相对容易,以及对复杂非线性关系和行为建模的能力。虽然现有材料的应用已经实现了重大的技术进步,但仍然需要新的材料,以更低的成本和更高的效率实现更大的成就。然而,在材料加工和行为中涉及的物理现象仍然构成相当大的挑战,但仍需要解决。机器学习可以通过从现有知识和数据中学习来填补目前由于成本和时间等各种原因而难以解决的空白,从而促进这些新的愿望和愿望的实现。本文综述了机器学习在力学性能方面的应用。